近日，团队成员何志鹏在潘家辉教授（通讯作者）的指导下，以第一作者在SCI期刊Computers in Biology and Medicine（影响因子: 4.589, 中科院工程技术大类二区, JCR Q1）发表SCI论文《An adversarial discriminative temporal convolutional network for EEG-based cross-domain emotion recognition》。本研究于2021年7月16日投稿，2021年11月录用并于22日在线刊登。

      基于脑电的跨域情绪识别是一项棘手且具有挑战性的任务。当前基于脑电情绪识别研究主要侧重于构建特定被试（相同数据域）的模型来进行情绪状态的识别。虽然识别性能相对较高，但这些工作需要在训练阶段之前从目标域处收集大量标注数据，耗时费力且不适用于很多应用场景。

      本文提出了一种新的基于脑电信号的跨域情绪识别方法—adversarial discriminative temporal convolutional networks （AD-TCNs），该方法将TCNs的时间序列建模能力与基于非对称映射的对抗判别自适应学习相结合，学习域不变特征以增强不同数据域的分布匹配度。为了验证本文提出的跨域情绪识别算法的有效性，我们进行跨被试和跨数据集的验证实验。实验结果表明，我们的跨域情绪识别方法是有效的，且性能优于现有的同类算法。该方法在模型训练过程中不需要用到目标域的标签，减少了对新被试进行数据标注的依赖，只需要未标记的数据即可完成针对新被试情绪识别模型的构建，从而有利于快速获取新被试的情绪识别模型。

论文链接：https://doi.org/10.1016/j.compbiomed.2021.105048